作者:李一野; 邓浩江 期刊:《计算机与现代化》 2020年第01期
传统的协同过滤推荐算法存在数据稀疏情况下分类准确性低的问题,针对于此提出一种基于改进余弦相似度的协同过滤推荐算法,将数据经嵌入层转换为特征矩阵,将对其计算后得到的改进余弦相似度矩阵和单位矩阵之间的均方误差作为损失函数,从而提高推荐算法在数据稀疏情况下的分类准确性。实验结果表明,该算法的AUC和对数损失函数指标均优于基线模型FM、FFM和Deep FM模型。
作者:刘辉; 曾斌; 刘子恺 期刊:《计算机工程与科学》 2020年第02期
兴趣点推荐是推荐系统的关键研究之一,传统的算法只利用用户签到信息进行推荐,且对于签到信息只单纯地考虑签到和没签到,而忽略了用户签到的频次和信任关系。为提高推荐精度,提出了一种融合用户相似性、地理位置和信任关系的混合推荐算法(UGT)。对于签到信息,采用签到频次来代替传统的二值签到,并对签到信息添加时间权重;对于基于用户的协同过滤,提出了一种邻居选择策略来提高预测精度;对于信任关系,首先分析用户的属性,然后给出社...
作者:陈希; 李玲娟 期刊:《计算机技术与发展》 2020年第02期
协同过滤算法在个性化推荐系统中应用广泛,为保证其在用户规模扩大的同时可以保持推荐的高效性和准确性,设计了一种基于PCA降维和二分K-means聚类的协同过滤推荐算法PK-CF。该算法为解决用户-项目评分矩阵极度稀疏造成的相似度计算误差的问题,采用主成分分析法对用户-项目评分矩阵进行降维,去除含信息量少的维度,只保留最能代表用户特征的维度;为解决协同过滤算法在系统规模庞大情况下的相似度计算时耗问题,通过在降维后的低维向量...
作者:王娜; 何晓明; 刘志强; 王文君; 李霞 期刊:《计算机学报》 2020年第01期
本文针对在线视频服务网站的个性化推荐问题,提出了一种基于用户播放行为序列的个性化推荐策略.该策略通过深度神经网络词向量模型分析用户播放视频行为数据,将视频映射成等维度的特征向量,提取视频的语义特征.聚类用户播放历史视频的特征向量,建模用户兴趣分布矩阵.结合用户兴趣偏好和用户观看历史序列生成推荐列表.在大规模的视频服务系统中进行了离线实验,相比随机算法、基于物品的协同过滤和基于用户的协同过滤传统推荐策略,本...
作者:蔡崇超; 许华虎 期刊:《软件导刊》 2020年第01期
近年来,基于社交网络的推荐系统随着社交媒体和大数据的蓬勃发展,逐渐成为推荐系统重点研究方向。将社交网络用户社会化属性信息和评论内容与深度学习等技术结合,可有效解决传统推荐系统数据稀疏和冷启动等问题。首先回顾传统推荐系统常用方法,介绍社交网络推荐系统主要流程和基本框架,然后介绍最新相关研究方向和应用情况,最后对基于社交网络的推荐系统发展趋势进行分析与展望。
计算相似度时,协同过滤算法会赋予所有用户或物品一致的相似度权重,进而导致相似度计算出现偏差。针对这一问题,文中提出一种改进相似度的协同过滤算法。该算法首先在计算用户间相似度时根据用户活跃量增加活跃用户惩罚因子,然后在计算物品间相似度时根据物品流行度增加热门物品惩罚因子,再对相似度做最大值归一化,最后根据相似度矩阵进行电影评分预测。实验结果表明,改进的相似度算法在评分预测时更加准确,平均绝对误差稳定在0.72...
作者:徐慧君; 王忠; 马丽萍; 饶华; 何承恩 期刊:《计算机工程》 2020年第03期
传统的协同过滤算法存在数据稀疏、可扩展性弱和用户兴趣度偏移等问题,算法运行效率和预测精度偏低。针对上述问题,提出一种改进的Mini Batch K-Means时间权重推荐算法。采用Pearson相关系数改进Mini Batch K-Means聚类,利用改进的聚类算法对稀疏评分矩阵进行聚类,计算用户兴趣评分并完成对稀疏矩阵的填充。考虑用户兴趣随时间变化的影响,引入牛顿冷却时间权重计算相似度,并基于已填充评分矩阵进行相似度加权计算,得到项目最终评分...
作者:尹毫; 焦文彬; 史广军; 何晓涛 期刊:《科研信息化技术与应用》 2019年第02期
作为业界应用最成功、最广泛的个性化推荐算法之一,协同过滤算法依然面临着诸多问题与挑战,数据的长尾分布便是其中之一。由于用户行为数据往往存在长尾分布的现象,同时采用Jaccard相似度作为物品相似度计算公式的协同过滤算法往往倾向于为用户推荐热门物品,致使热门的物品越来越热门,冷门的物品越来冷门。在不断给用户推荐物品的过程中,该传统协同过滤算法推荐给用户的物品集合越来越小,可能会渐渐失去个性化推荐的能力,影响用户...
从我国高校图书馆推荐现状来看,主要是对市面上比较热门的图书进行推荐,整体来讲,同质化现在较为严重。从读者层面来讲,面对图书馆海量的图书往往都显得无从下手,倘若能够一款推荐系统为读者推荐图书,那么便可以解决这个问题,从而为读者提供更好的服务。基于广大读者以往的借阅数据,通过 Python 对数据进行分析以及处理,从而建立对应的评分矩阵,并给出一个更加个性、灵活的推荐;同时,通过“ matplotlib ”将最终结果可视化,能够为...
作者:刘畅; 王玉龙 期刊:《信息通信技术与政策》 2017年第01期
随着计算机和移动互联网的发展,信息的数量也以指数级的规模增长,面对这种海量数据,推荐系统应运而生。推荐系统通过分析用户的兴趣爱好,为用户提供了个性化的推荐服务,但是对于新用户、新物品和新系统,推荐系统并不能做出合理的推荐,容易产生冷启动问题。本文先分析了产生冷启动问题的原因,然后提出了一系列的方法来解决各种冷启动的问题。
作者:司梦楚; 季同同; 张春明 期刊:《服装学报》 2019年第06期
为进一步探索电子商务中服装类商品的个性化推荐机制,在现有推荐系统基础上利用余弦相似度及Slope One算法提出CS-SO推荐算法。通过案例分析论证利用向量空间模型中的两个向量间夹角的余弦值衡量服装产品间相似度的方法,并总结出基于新产品与已评估产品之间的平均偏好值差异预测被荐者对新项目兴趣的推荐方法。
作者:刘艳; 方田; 刘嘉慧; 戴彩艳; 王珍 期刊:《电子技术与软件工程》 2020年第01期
本文研究了推荐系统的相关知识,在传统的基于用户的协同过滤算法上引入了属性相似度,增加了相似度的准确度,提高了推荐性能;利用评估推荐器计算平均绝对误差评测、调整推荐器的性能;利用Mahout开源框架,结合协同过滤算法构建了中医调理文章推荐系统。
信息技术的广泛应用给人们生活带来显著的便利之一就是人们的沟通方式从线下面对面转变为线上使用社交媒体。微博是诸多社交媒体中颇具影响力的一个,为解决用户在海量信息中迅速找到自己感兴趣话题的问题,介绍基于用户的协同过滤推荐系统在微博中的应用,并结合着业界最新的Python技术去做推荐系统的设计与实现。
作者:谢修娟; 莫凌飞; 李香菊; 陈永 期刊:《河海大学学报·哲学社会科学版》 2019年第06期
针对绝大多数用户消费习惯对地理位置的敏感性,以及推荐过程中的"长尾效应",提出融合位置信息和物品流行度的协同过滤算法。对传统的协同过滤算法作出2点改进:第一,将用户兴趣偏好与位置偏好相结合,提出一种新的基于地理位置的用户相似度计算方法;第二,在预测评分时,引入物品流行度权重,合理地调整流行物品和长尾物品的推荐期望值。使用Foursquare数据集作为实验数据集,与相关算法进行对比实验。结果表明,改进算法能有效提高推荐的...
作者:汪祥舜; 郑孝遥; 义; 章玥; 孙丽萍 期刊:《南京信息工程大学学报·自然科学版》 2019年第05期
传统的推荐系统主要针对单个用户,但随着社会和电子商务的快速发展,人们越来越多地以多个用户的形式一起参与活动,而群组推荐旨在为多个用户组成的群组提供服务,已成为当前研究的热点之一.针对目前群组推荐准确率低,群组成员之间偏好冲突难以融合的问题,本文提出了一种新的共识模型策略,融合了群组领袖影响因子和项目热度影响因子,基于K近邻为目标群组寻找邻居群组,借鉴邻居群组的偏好,设计了基于偏好融合的群组推荐算法.在MovieLe...
作者:邹锋 期刊:《计算机应用与软件》 2019年第11期
为了提高协同过滤推荐系统对于稀疏数据的推荐效果,提出一种基于深度神经网络和改进相似性度量的推荐算法.分析普通Jaccard相似性度量指标处理稀疏数据集的不足之处,对Jaccard相似性提出改进方案.设计交互的两个自编码器,一个自编码器利用显式反馈数据分析用户对于项目的偏好,其优化目标为最小化重建误差和正则成对排列损失;另一个自编码器利用隐式反馈数据分析用户对于项目的潜在偏好,其学习目标是采样数据集的负项集,利用隐式反...
作者:田伟; 蒋冠 期刊:《档案与建设》 2019年第09期
档案资源数据化应是新时代档案事业发展的目标。文章基于OFD标准,以高校为具体应用场景,研究满足档案资源数据化需求的实施策略,包括对数据化资源充分包容与主要资源形态间顺畅转换的支持、对档案资源元数据体系充分支持、对本体论知识库充分支持、对档案资源协同过滤机制充分支持等方面。
作者:肖成龙; 王宁; 王永贵 期刊:《计算机应用研究》 2019年第10期
为解决传统协同过滤推荐算法中存在的数据稀疏、冷启动以及推荐结果缺乏多样性等问题,提出一种融合社交网络与关键用户的协同过滤推荐算法。该算法在用户—项目评分矩阵基础上,融合用户社交网络信息得出社交信任矩阵,融合关键用户信息得出关键用户评分矩阵。利用三大评分矩阵,分配不同的权重比例,共同来预测用户对于目标项目评分。针对海量数据问题,采用Spark分布式集群实现该算法的计算并行化。实验结果表明,该算法能够有效缓解数...
作者:程磊; 高茂庭 期刊:《计算机应用研究》 2019年第11期
针对协同过滤推荐中由于项目和用户间关联因素的相互影响而存在项目偏差和用户偏好的问题,提出一种融合项目偏差与用户偏好的推荐算法。先进行聚类处理,包括LDA主题建模生成项目簇和K-means聚类生成用户簇;再依次根据项目簇和用户簇的约束生成项目偏差分,同时以用户项目评分及项目类型为基础,经过概率转移得到用户偏好分;最后以项目簇内已有评分的均值为基础,对项目偏差分和用户偏好分进行线性加权生成预测评分。对比实验表明,新算...
作者:田伟; 蒋冠 期刊:《档案学研究》 2019年第06期
实现基于协同过滤的档案智能服务是必要和迫切的任务。本文面向用户痛点问题,提出基于协同过滤的档案智能服务实现模型。该模型以基于专家意见的协同过滤实现面向兴趣利用的档案智能服务,以“虚拟用户-事务类型”矩阵空间运算实现面向事务利用智能服务,以“档案资源-检索关键词” 矩阵空间运算实现面向异名检索利用智能服务。在实际应用中可根据档案服务场景将这些概念设计模型实例化,实现档案智能服务。